統計上顯著 = 有差異?

這學期的文獻評析課對於初入研究領域的新手來說很重要，
除了可以了解別人如何設計他的研究方法，也可以從他分析資料的方式知道他期待的結果為何、結果的可信程度是高或低。
充分展現了：見賢思齊焉，見不賢則內自省的精神。同時，也會促進大家腦力激盪。
例如：統計上有顯著，是否就表示有差異或是有臨床意義？

以下為google搜尋後整理的結果。若有錯誤或不完整之處，請讀者不吝賜教。

統計上有顯著，與統計檢定力 ( statistic power，1-β)和功效大小 ( effect size )有關。
A.統計檢定力：正確拒絕虛無假設的機率。一般可接受的檢定力為0.8。
當統計力過低，在H0與H1確實有差異的情況下，拒絕H0的機會很小，此時做出統計顯著的可信度不高。
當檢定力過高，第一型錯誤率會增加，也就是不論H0或H1為真，都會傾向拒絕H0，就算兩者差異不大，都會做出顯著的結論。
影響檢定力的原因有4種：
1. α（顯著程度）：當α↑則β↓，（1-β）↑
2. H0與H1的間距：當間距拉大，α不變，則β↓，（1-β）↑
3. σ2：當σ2↓則β↓，（1-β）↑
4. N（樣本數）：當樣本數增加，則β↓，（1-β）↑
因此需考慮上述四個因素再看檢定力的數值，才能判斷結果是否有意義。

B.功效大小
如果想證明某些原因如何影響一個現象或結果的出現，在分析數據是否顯著的同時，有必要考慮影響的程度。因此可用功效大小 ( effect size )來呈現影響的程度或測試前後的效果優劣。
計算功效大小的方式常見的有4種：
1. Pearson r correlation：<0.2極低 0.2-0.4低 0.4-0.6普通 0.6-0.8高 >0.8極高。數值只表示關係的強度，無方向性。
2. Cohen's d：0.2(弱) 0.5(中) 0.8(強)
3. Hedge's g^
4. odds ratio

統計上有顯著，是否代表具有臨床意義(clinical significance) ？
不一定。因為最小的臨床差異表示某種療效指標的改變量要多少或病人要進步多少，病人本身或醫療人員才認為此改變具備重要性或有意義。因此，不能只看病人的分數進步是否達顯著，還需進步量也達最小臨床重要差異值 ( minimal clinically important difference， MID )以上，才具意義。

參考資料：
1.姚開屏老師心統講義
2.謝老師網頁http://homepage.ntu.edu.tw/~clhsieh/evaluation/b-3.htm
3. 「統計分析上的意義與實作的深入探討」投影片